Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.
Python asraudiochineseemotion-recognitionfunasrmcp-servermultilingual-asropenai-compatible-apiparaformerpunctuationpytorchreal-time-asrspeaker-diarizationspeech-recognitionspeech-to-textstreaming-asrtranscriptionvllmvoice-activity-detectionwhisper-alternative
docs(i18n README): align benchmark with canonical (add Chinese CER, flagship Nano 340x) (#3025)
zhifu gao352daed24d3e
diff --git a/README_ja.md b/README_ja.mdindex 277f4c567..bf14a58f3 100644--- a/README_ja.md+++ b/README_ja.md@@ -77,13 +77,13 @@ result = model.generate(input="meeting.wav")> 184件の長時間音声(計192分)。[詳細レポート →](https://modelscope.github.io/FunASR/benchmark.html)-| モデル | GPU速度 | CPU速度 | Whisper-large-v3比 |-|--------|---------|---------|-------------------|-| **SenseVoice-Small** | **170倍**リアルタイム | **17倍**リアルタイム | 🚀 **13倍高速** |-| **Paraformer-Large** | **120倍**リアルタイム | **15倍**リアルタイム | 🚀 **9倍高速** |-| Whisper-large-v3-turbo | 46倍リアルタイム | ❌ | 3.4倍高速 |-| **Fun-ASR-Nano** | 17倍リアルタイム | 3.6倍リアルタイム | 1.3倍高速 |-| Whisper-large-v3 | 13倍リアルタイム | ❌ | ベースライン |+| モデル | 中国語 CER ↓ | GPU速度 | CPU速度 | Whisper-large-v3比 |+|--------|------|---------|---------|-------------------|+| **Fun-ASR-Nano**(vLLM) | **8.20%** | **340倍**リアルタイム | — | 🚀 **26倍高速** |+| **SenseVoice-Small** | **7.81%** | **170倍**リアルタイム | **17倍**リアルタイム | 🚀 **13倍高速** |+| **Paraformer-Large** | 10.18% | **120倍**リアルタイム | **15倍**リアルタイム | 🚀 **9倍高速** |+| Whisper-large-v3-turbo | 21.71% | 46倍リアルタイム | ❌ | 3.4倍高速 |+| Whisper-large-v3 | 20.02% | 13倍リアルタイム | ❌ | ベースライン |> **ポイント:** FunASRのCPU速度は、WhisperのGPU速度より速い。diff --git a/README_ko.md b/README_ko.mdindex 376d2da2f..17ac6ee83 100644--- a/README_ko.md+++ b/README_ko.md@@ -77,13 +77,13 @@ result = model.generate(input="meeting.wav")> 184개 장시간 오디오(총 192분). [상세 보고서 →](https://modelscope.github.io/FunASR/benchmark.html)-| 모델 | GPU 속도 | CPU 속도 | Whisper-large-v3 대비 |-|------|----------|----------|---------------------|-| **SenseVoice-Small** | **170배** 실시간 | **17배** 실시간 | 🚀 **13배 빠름** |-| **Paraformer-Large** | **120배** 실시간 | **15배** 실시간 | 🚀 **9배 빠름** |-| Whisper-large-v3-turbo | 46배 실시간 | ❌ | 3.4배 빠름 |-| **Fun-ASR-Nano** | 17배 실시간 | 3.6배 실시간 | 1.3배 빠름 |-| Whisper-large-v3 | 13배 실시간 | ❌ | 기준선 |+| 모델 | 중국어 CER ↓ | GPU 속도 | CPU 속도 | Whisper-large-v3 대비 |+|------|------|----------|----------|---------------------|+| **Fun-ASR-Nano**(vLLM) | **8.20%** | **340배** 실시간 | — | 🚀 **26배 빠름** |+| **SenseVoice-Small** | **7.81%** | **170배** 실시간 | **17배** 실시간 | 🚀 **13배 빠름** |+| **Paraformer-Large** | 10.18% | **120배** 실시간 | **15배** 실시간 | 🚀 **9배 빠름** |+| Whisper-large-v3-turbo | 21.71% | 46배 실시간 | ❌ | 3.4배 빠름 |+| Whisper-large-v3 | 20.02% | 13배 실시간 | ❌ | 기준선 |> **핵심:** FunASR의 CPU 속도가 Whisper의 GPU 속도보다 빠릅니다.diff --git a/README_zh.md b/README_zh.mdindex d8f015fd3..996bdc07d 100644--- a/README_zh.md+++ b/README_zh.md@@ -102,13 +102,13 @@ results = model.generate(["audio1.wav", "audio2.wav"], language="auto")> 184 条长音频(共 192 分钟)。[完整报告 →](https://modelscope.github.io/FunASR/zh/benchmark.html)-| 模型 | GPU 速度 | CPU 速度 | 对比 Whisper-large-v3 |-|------|----------|----------|---------------------|-| **SenseVoice-Small** | **170 倍**实时 | **17 倍**实时 | 🚀 **快 13 倍** |-| **Paraformer-Large** | **120 倍**实时 | **15 倍**实时 | 🚀 **快 9 倍** |-| Whisper-large-v3-turbo | 46 倍实时 | ❌ | 快 3.4 倍 |-| **Fun-ASR-Nano** | 17 倍实时 | 3.6 倍实时 | 快 1.3 倍 |-| Whisper-large-v3 | 13 倍实时 | ❌ | 基准 |+| 模型 | 中文 CER ↓ | GPU 速度 | CPU 速度 | 对比 Whisper-large-v3 |+|------|------|----------|----------|---------------------|+| **Fun-ASR-Nano**(vLLM) | **8.20%** | **340 倍**实时 | — | 🚀 **快 26 倍** |+| **SenseVoice-Small** | **7.81%** | **170 倍**实时 | **17 倍**实时 | 🚀 **快 13 倍** |+| **Paraformer-Large** | 10.18% | **120 倍**实时 | **15 倍**实时 | 🚀 **快 9 倍** |+| Whisper-large-v3-turbo | 21.71% | 46 倍实时 | ❌ | 快 3.4 倍 |+| Whisper-large-v3 | 20.02% | 13 倍实时 | ❌ | 基准 |> **一句话:** FunASR 在 CPU 上的速度,比 Whisper 在 GPU 上还快。